距离检测方法、装置、电子设备及计算机存储介质与流程

1.本公开涉及计算机技术领域，涉及但不限于一种距离检测方法、装置、电子设备及计算机存储介质。


背景技术：

2.视觉测距作为机器视觉领域内的基础技术之一而受到广泛的关注，其在机器人领域内占有重要的地位，广泛应用于机器视觉定位、目标跟踪、视觉避障等。视觉测距主要分为：单目视觉测距、双目视觉测距、结构光视觉测距等。
3.其中，双目视觉测距一般需要两台摄像机或者双目摄像机来完成，也可以通过其他方式辅助进行测距，如通过红外线，摄像机的性能参数等进行辅助测距。但是，在大部分使用场景下，只有单个摄像机，这时，这就需要采用单目测距技术来进行测距，而单目测距技术需要依赖于摄像机的焦距等参数。


技术实现要素：

4.本公开实施例期望提供一种距离检测方法、装置、电子设备及计算机存储介质。
5.本公开实施例提供一种距离检测方法，所述方法包括：
6.获取待处理图像；其中，所述待处理图像包括至少两个待检测的对象；
7.确定各个所述对象的成像参数值；
8.根据各个所述对象的成像参数值，确定所述待处理图像的拍摄参数值；
9.根据所述对象的成像参数值和所述对象的实际参数值，确定所述对象的转换系数；
10.基于各个所述对象的转换系数、各个所述对象在所述待处理图像中的坐标参数以及所述拍摄参数值，确定各个所述对象之间的实际相对距离。
11.本公开实施例还提供了一种距离检测装置，所述装置包括：
12.获取模块，配置为获取待处理图像；其中，所述待处理图像包括至少两个待检测的对象；
13.第一确定模块，配置为确定各个所述对象的成像参数值；
14.第二确定模块，配置为根据各个所述对象的成像参数值，确定所述待处理图像的拍摄参数值；
15.第三确定模块，配置为根据所述对象的成像参数值和所述对象的实际参数值，确定所述对象的转换系数；
16.第四确定模块，配置为基于各个所述对象的转换系数、各个所述对象在所述待处理图像中的坐标参数以及所述拍摄参数值，确定各个所述对象之间的实际相对距离。
17.本公开实施例还提供了一种电子设备，包括处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，
18.所述处理器用于运行所述计算机程序以执行上述任意一种距离检测方法。
19.本公开实施例还提供了一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任意一种距离检测方法。
20.本公开的实施例提供的技术方案可以包括以下有益效果：
21.本公开实施例中，在获取到待处理图像之后，可以对待处理图像进行图像分析，确定待处理图像中各个对象的成像参数值，并根据各个对象的成像参数值确定待处理图像的拍摄参数值，且根据对象的成像参数值和实际参数值确定对象的转换系数，由于转换系数能够用于进行实际获取的参数值和成像得到的参数值之间的转换，通过转换系数，可以对各个对象在待处理图像中的坐标参数和拍摄参数值进行转换，进而得到各个对象之间的实际相对距离。
22.相较于现有技术中需要多个摄像机或者依赖于摄像机的性能参数进行距离检测的方案，本公开实施例通过对待处理图像进行图像分析就能够确定各个对象之间的实际相对距离，不仅能够减少硬件成本，还能够降低距离检测的复杂程度。
23.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
24.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
25.图1是根据一示例性实施例示出的一种距离检测方法的流程图。
26.图2是根据一示例性实施例示出的一种小孔成像原理示意图。
27.图3是根据一示例性实施例示出的另一种小孔成像原理示意图。
28.图4是根据一示例性实施例示出的待处理图像的示意图一。
29.图5是根据一示例性实施例示出的待处理图像的示意图二。
30.图6是根据一示例性实施例示出的待处理图像的示意图三。
31.图7是根据一示例性实施例示出的待处理图像的示意图四。
32.图8是根据一示例性实施例示出的一种更新关系网的流程示意图。
33.图9为本公开实施例的距离检测装置的组成结构示意图。
34.图10是根据本公开一示例性实施例示出的一种电子设备的组成结构示意图。
具体实施方式
35.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
36.本公开实施例提供一种距离检测方法，该方法可以应用于电子设备，这里，电子设备可以包括：终端设备，例如，移动终端、固定终端或车载终端等。其中，移动终端可以包括：手机、平板电脑、笔记本电脑或者穿戴式设备等，还可以包括智能家居设备，例如，智能音箱等。固定终端可以包括：台式电脑或智能电视等。车载终端可以包括车辆监控管理系统的前端设备，也可以称为车辆调度监控(telematics control unit，tcu)终端，如，车机终端等。
该电子设备还可以包括：摄像机等，如单目摄像机，双目摄像机等。
37.在一些实施例中，该方法所实现的功能可以应用于终端和/或服务器组成的计算机系统中。这里，终端可以是瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统等，服务器可以是服务器计算机系统小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境。
38.图1是根据一示例性实施例示出的一种距离检测方法的流程图，如图1所示，包括以下步骤。
39.步骤101，获取待处理图像；其中，所述待处理图像包括至少两个待检测的对象；
40.步骤102，确定各个所述对象的成像参数值；
41.步骤103，根据各个所述对象的成像参数值，确定所述待处理图像的拍摄参数值；
42.步骤104，根据所述对象的成像参数值和所述对象的实际参数值，确定所述对象的转换系数；
43.步骤105，基于各个所述对象的转换系数、各个所述对象在所述待处理图像中的坐标参数以及所述拍摄参数值，确定各个所述对象之间的实际相对距离。
44.在一些实施例中，在上述距离检测方法应用于电子设备的情况下，可以基于电子设备所具有的图像采集模组进行图像采集，进而获取待处理图像。其中，电子设备可以包括：单目摄像机。在电子设备是终端设备的情况下，也可以从电子设备的存储空间获取该待处理图像，例如，可以从电子设备的相册中读取该待处理图像。再例如，也可以通过网络从云端获取待处理图像等。再例如，待处理图像也可以是从图像采集模组所采集的视频文件中解析出的图像，在此不作具体限定。
45.这里，待处理图像中可以包括至少两个待检测的对象，这里，待检测的对象可以包括位于待处理图像中的人物、建筑物、车辆、景物等。当然，待检测对象也可以是待检测目标的某个部分。以待检测目标是人物为例，则待检测的对象可以包括该人物的头部、面部、肩膀等部位，为了得到更精确的距离信息，也可以对人物的部位进行细分，例如，待检测的对象也可以包括人物的口部、眼部等部位。以待检测目标是车辆为例，则待检测的对象可以包括车辆的头部、尾部等部位，为了得到更精确的距离信息，也可以对车辆的部位进行细分，例如，待检测的对象也可以包括车辆的后视镜、车窗等部位。
46.在获取该待处理图像之后，可以对该待处理图像进行图像分析，基于分析结果从该待处理图像中确定各个待检测的对象。例如，在得到待处理图像之后，可以将该待处理图像输入预先训练好的神经网络模型(如，卷积神经网络)，并基于神经网络模型的特征提取模块进行特征提取，得到待处理图像的图像特征，并将提取出的图像特征与预设的对象特征进行匹配，根据匹配结果从该待处理图像中确定各个待检测的对象。例如，可以将与预设的对象特征之间的匹配度大于预设阈值的图像特征所对应的对象确定为待检测的对象。其中，匹配度可以表示各个特征之间的相似度，可以通过特征之间的向量距离来表示。以待检测的对象是人物的面部为例，在实现的过程中，可以将提取出的图像特征与预设的面部特征进行匹配，并将匹配度大于预设阈值的图像特征所对应的对象确定为待检测的对象。
47.在确定待检测的对象之后，可以根据待检测的对象的图像特征，确定各个对象的成像参数值。这里，各个对象的成像参数值可以包括：各个对象的成像尺寸，其中，成像尺寸
可以包括：成像长度、成像宽度、成像面积等。
48.在另一些实施例中，也可以通过其他的图像处理算法从该待处理图像中确定各个待检测的对象，以及各个待检测的对象的成像参数值。当然，也可以通过人工的方式确定各个待检测的对象和各个对象的成像参数值。相较于基于人工的方式确定各个待检测的对象和各个对象的成像参数值，通过图像处理算法确定各个待检测的对象和各个对象的成像参数值，更加智能，且效率更高。
49.在得到各个对象的成像参数值之后，可以根据各个对象的成像参数值确定待处理图像的拍摄参数。例如，可以根据各个对象的成像参数值从所有的对象中选择出参考对象，并基于参考对象的成像参数值和参考对象的实际参数值确定待处理图像的拍摄参数值等。
50.在一些实施例中，在步骤103中，所述根据所述对象的成像参数值，确定所述待处理图像的拍摄参数值，包括：
51.步骤1001，根据各个所述对象的成像参数值，从至少两个所述对象中确定至少一个满足设定参考条件的参考对象；
52.步骤1002，根据各个所述参考对象的成像参数值、各个所述参考对象的实际参数值以及针对所述参考对象设置的参考物距，确定所述拍摄参数值。
53.这里，在得到各个对象的成像参数值之后，可以根据各个对象的成像参数值，从至少两个对象中确定至少一个满足设定参考条件的参考对象。在一些实施例中，可以对各个对象的成像参数值进行排序，根据排序结果从至少两个对象中确定至少一个满足设定参考条件的参考对象。
54.例如，在需要确定一个参考对象的情况下，可以将位于中间位置的成像参数值所对应的对象确定为参考对象。这时，满足设定参考条件，包括：参考对象的成像参数值为所有对象的所有成像参数值的中间值。
55.再例如，在需要确定两个参考对象的情况下，可以将最大成像参数值和最小成像参数值所对应的对象确定为参考对象。这时，满足设定参考条件，包括：所有对象中，除两个参考对象之外的其它对象的成像参数值，位于该两个参考对象的成像参数值之间。
56.在另一些实施例中，也可以直接通过图像识别算法确定满足设定参考条件的参考对象，只要能够确定满足设定参考条件的参考对象即可，在此不作具体限定。
57.在确定参考对象之后，可以根据各个参考对象的成像参数值、各个参考对象的实际参数值以及针对参考对象设置的参考物距，确定拍摄参数值。
58.这里，实际参数值可以为预先设置的数值，用于表征各个对象(包括待检测的对象和参考对象)在视觉上的实际参数值，也可称为对象在世界坐标系中的实际参数值。在一些实施例中，在确定各个对象的成像参数值之后，可以获取各个对象的实际参数值。
59.在一些实施例中，各个对象的实际参数值可以为相同的固定值，以提高数据处理的效率。以对象是人物、成像参数值为成像高度为例，则可以将各个对象的实际参数值均预设为165厘米。以对象是人脸，实际参数值为成像长度为例，可以将所有人脸的成像长度均设置为25厘米，以对象是人脸，实际参数值为成像宽度为例，可以将所有人脸的成像宽度均设置为20厘米等。当然，各个对象的实际参数值也可以为不同的变量，在此不作具体限定。
60.在实现的过程中，可以通过实验的方式得到该实际参数值，也可以通过预先训练的模型确定该实际参数值，在此不作具体限定。且本公开实施例中，通过将各个对象的实际
参数值设置为相同，可以简化数据处理的过程，并提高数据处理的效率。在另一些实施例中，各个对象的实际参数值也可以不同。
61.在获取到各个参考对象的实际参数值之后，可以根据各个参考对象的成像参数值、各个参考对象的实际参数值以及针对参考对象设置的参考物距，确定拍摄参数值。这里，拍摄参数值可以包括：在待处理图像的成像过程中，图像采集模组的拍摄参数值，如，可以包括图像采集模组的像距、图像采集模组进行图像采集时的拍摄角度等。其中，像距可以是指图像采集模组的成像面与图像采集模组的镜头之间的距离。参考物距可以用于表征各个参考对象与图像采集模组的镜头之间的距离，可以通过测量的方式得到该实际参数值，也可以通过预先训练的模型确定该实际参数值，在此不作具体限定。
62.在一些实施例中，图像采集模组可以是独立的摄像机，也可以是集成在电子设备上的摄像头，只要能够实现图像采集功能即可，在此不作具体限定。
63.在一些实施例中，可以利用小孔成像原理，预先构建用于确定拍摄参数值的数学模型，在实现的过程中，可以将各个参考对象的成像参数值、各个参考对象的实际参数值以及针对参考对象设置的参考物距输入该数学模型中，即可得到待处理图像的拍摄参数值。
64.图2是根据一示例性实施例示出的一种小孔成像原理示意图，如图2所示，以对象是人物，实际参数值是人物的高度，拍摄参数值是像距为例，对象201的实际参数值可以是h0，对象201的成像参数值可以是h
01
，对象201与图像采集模组的镜头之间的物距为d0，图像采集模组的成像面与图像采集模组的镜头之间的像距为v0，根据相似三角形原理，各个参数值之间的关系可以表示如下：
65.h0/h'＝d0/v0ꢀꢀꢀꢀ
(1)；
66.公式(1)中，h0表示对象201的实际参数值，h'表示对象201的成像参数值，d0表示拍摄对象201时的物距，v0表示拍摄对象201时的像距。
67.图3是根据一示例性实施例示出的另一种小孔成像原理示意图，如图3所示，以对象是人脸，实际参数值是人脸长度，拍摄参数值是像距为例，人脸301的实际参数值可以是h0'，人脸301的成像参数值可以是h
01
'，人脸301与图像采集模组的镜头之间的物距为d0'，图像采集模组的成像面与图像采集模组的镜头之间的像距为v0'。
68.在一些实施例中，以参考对象是两个为例，可以将该两个参考对象分别表示为第一参考对象和第二参考对象，设第一参考对象和第二参考对象的实际参数值均为h，则根据图2所示的小孔成像原理以及相似三角形原理可得：
69.h/h1＝d1/v
ꢀꢀꢀꢀ
(2)；
70.h/h2＝d2/v
ꢀꢀꢀꢀ
(3)；
71.公式(2)和(3)中，h表示第一参考对象和第二参考对象的实际参数值，h1表示第一参考对象的成像参数值，h2表示第一参考对象的成像参数值，d1表示第一参考对象对应的物距，d2表示第二参考对象对应的物距，v表示拍摄第一参考对象和第二参考对象时的像距。
72.根据公式(2)和(3)，可以确定用于确定拍摄参数值(像距)的数学模型为：
73.v＝d/(h/h1 h/h2)
ꢀꢀꢀꢀ
(4)；其中，
74.d＝|d1 d2|
ꢀꢀꢀꢀ
(5)；
75.公式(4)和(5)中，v表示拍摄参数值，d表示第一参考对象的参考物距和第二参考对象的参考物距之间的和值，h表示实际参数值，h1表示第一参考对象的成像参数值，h2表示
第二参考对象的成像参数值，d1表示第一参考对象的参考物距，d2第二参考对象的参考物距。
76.本公开实施例中，可以根据各个对象的成像参数值，确定至少一个参考对象，并基于参考对象的成像参数值、实际参数值以及针对参考对象设置的参考物距，确定拍摄参数值。相较于直接基于所有对象的参数值来确定拍摄参数值的方案，数据处理量更少，数据处理效率更高。
77.在一些实施例中，在步骤1001中，所述对象的成像参数值，包括：所述对象的成像尺寸；
78.所述根据各个所述对象的成像参数值，从至少两个所述对象中确定至少一个满足设定参考条件的参考对象，包括：
79.对各个所述对象的成像尺寸进行比对处理；
80.根据比对结果从至少两个所述对象中，确定两个参考对象；
81.其中，所述设定参考条件，包括：所述对象中，除所述两个参考对象之外的其它所述对象的成像尺寸，位于所述两个参考对象的成像尺寸之间。
82.为了提高数据处理的效率，本公开实施例中，可以从至少两个对象中，确定两个参考对象。在实现的过程中，可以对各个对象的成像尺寸进行比对处理，并根据比对结果从至少两个对象中，确定两个参考对象。
83.这里，成像尺寸可以包括：成像长度、成像宽度以及成像面积等，只要是能够表征各个参考对象在成像的过程中，与图像采集模组之间的距离即可。以成像尺寸是成像长度为例，如果待检测的对象是人脸，则可以将位于待处理图像中的各个人脸的成像长度进行比对处理，确定成像长度最短的人脸和成像长度最长的人脸，并将确定来的两个人脸，确定为参考对象。
84.还是以确定的两个参考对象分别为第一参考对象和第二参考对象为例，则多个对象中，除第一参考对象和第二参考对象之外的其它对象的成像尺寸，位于第一参考对象的成像尺寸和第二参考对象的成像尺寸之间。
85.即，确定出的两个参考对象可以分别是距离图像采集点最近和最远的两个对象。其中，图像采集点可以是进行图像采集的图像采集模组所在的位置，如果图像采集模组属于摄像机或者终端设备，则该图像采集点则可以是摄像机或者终端设备所在的位置。
86.图4是根据一示例性实施例示出的待处理图像的示意图一，如图4所示，第一参考对象401和第二参考对象402可以是位于待处理图像的边缘位置的图像。
87.本公开实施例中，通过确定处于待处理图像的边缘位置的两个对象作为参考对象，并通过位于边缘位置的两个参考对象的成像参数值、实际参数值以及针对参考对象设置的参考物距，确定待处理图像的拍摄参数值，相较于将所有的参数均考虑进去，能够提高数据处理的效率。
88.在一些实施例中，在步骤1002中，所述参考对象包括两个以上；
89.所述根据各个所述参考对象的成像参数值、各个所述参考对象的实际参数值以及针对所述参考对象设置的参考物距，确定所述拍摄参数值，包括：
90.根据每一所述参考对象的实际尺寸和成像尺寸，确定对应参考对象的转换系数；
91.根据各所述参考对象的转换系数以及所述参考物距，确定所述拍摄参数值；
92.其中，所述参考物距与各所述参考对象的物距相关。
93.这里，还是以实际尺寸是实际长度，成像尺寸是成像长度为例，可以根据参考对象的实际长度和参考对象的成像尺寸，确定参考对象的转换系数。并根据参考对象的转换系数和参考物距，确定拍摄参数值。
94.还是以参考对象是两个为例，在确定第一参考对象和第二参考对象之后，可以根据第一参考对象的实际尺寸和第一参考对象的成像尺寸，确定第一转换系数；根据第二参考对象的实际尺寸和第二参考对象的成像尺寸，确定第二转换系数；根据第一转换系数、第二转换系数以及参考物距，确定拍摄参数值。其中，拍摄参数值的计算公式如下：
95.v＝d/(k1 k2)
ꢀꢀꢀꢀ
(6)；
96.k1＝h/h1ꢀꢀꢀꢀ
(7)；
97.k2＝h/h2ꢀꢀꢀꢀ
(8)；
98.公式(6)至(8)中，v表示拍摄参数值，d表示第一参考对象的参考物距和第二参考对象的参考物距之间的和值，k1表示第一转换系数，k2表示第二转换系数，h表示第一参考对象和第二参考对象的实际参数值，h1表示第一参考对象的成像参数值，h2表示第二参考对象的成像参数值。
99.在参考对象的数量大于两个时，可以按照上述实施例中的计算方式，分别确定多个参考对象中每两个参考对象对应的候选拍摄参数值，在确定出各个候选拍摄参数值之后，再根据各个候选拍摄参数值确定待处理图像对应的拍摄参数值。例如，可以根据各个候选拍摄参数值的平均值，得到待处理图像对应的拍摄参数值。这样，能够提高所得到的拍摄参数值的精确性，进而使得最终得到的各个对象之间的实际相对距离更加精确。
100.在确定待处理图像的拍摄参数值之后，可以根据各个对象的成像参数值、各个对象的实际参数值和拍摄参数值，确定各个对象之间的实际相对距离。所述根据各个对象的成像参数值、各个对象的实际参数值和拍摄参数值，确定各个对象之间的实际相对距离，包括：根据对象的成像参数值和对象的实际参数值，确定所述对象的转换系数，基于各个对象的转换系数、各个对象在待处理图像中的坐标参数以及拍摄参数值，确定各个对象之间的实际相对距离。其中，各个对象之间的实际相对距离包括：各个对象在世界坐标系中的相对距离，转换系数能够用于进行实际获取的参数值和成像得到的参数值之间的转换。
101.在一些实施例中，所述基于各个所述对象的转换系数，各个所述对象在所述待处理图像中的坐标参数以及所述拍摄参数值，确定各个所述对象之间的实际相对距离，包括：根据所述对象的转换系数，将所述对象在所述待处理图像中的坐标参数，转换为实际坐标参数；根据各个所述对象的实际坐标参数，确定各个所述对象之间的水平距离；其中，所述水平距离表征各个所述对象在世界坐标系中第一方向上的距离；根据所述对象的转换系数对所述拍摄参数值进行转换，得到所述对象与图像采集点之间的实际距离；根据各个所述对象与所述图像采集点之间的实际距离，确定各个所述对象之间的纵向距离；所述纵向距离表征各个所述对象在世界坐标系中第二方向上的距离，所述第一方向和所述第二方向垂直；根据所述水平距离和所述纵向距离，确定所述实际相对距离。
102.这里，对象的坐标参数可以包括：对象的中心点坐标。例如，可以以待处理图像的最左下角作为原点，确定各个对象的中心点坐标以及待处理图像的中心点坐标。当然，对象的坐标参数也可以包括对象的任意部分在待处理图像中的坐标，只要能够表征各个对象的
位置即可，在此不作具体限定。其中，纵向距离可以包括：各个对象在世界坐标系中第一方向上的相对距离；横向距离可以包括：各个对象在世界坐标系中第二方向上的相对距离，其中，第一方向和第二方向相互垂直。在一些实施例中，第一方向可以包括：朝向图像采集点的方向。
103.在一些实施例中，以实际参数值是对象的实际尺寸，成像参数值是对象的成像尺寸为例，在实现的过程中，可以根据对象的实际尺寸和成像尺寸，确定对象的转换系数。例如，可以确定实际尺寸和成像尺寸之间的比值，并根据实际尺寸和成像尺寸之间的比值，确定该转换系数，以基于该转换系数进行成像得到的参数值和实际获取的参数值之间的转换。
104.在一些实施例中，所述根据所述对象的成像参数值和所述对象的实际参数值，确定所述对象的转换系数，包括：根据所述对象在所述第一方向上的实际参数值和在所述第一方向上的成像参数值，确定所述对象的第一转换系数；根据所述对象在所述第二方向上的实际参数值和在第所述方向上的成像参数值，确定所述对象的第二转换系数；其中，所述第一转换系数用于对所述第一方向上的参数值进行转换，所述第二转换系数用于对所述第二方向上的参数值进行转换。
105.这里，对象在第一方向上的实际参数值：可以包括：对象的实际宽度，对象在第一方向上的成像参数值，可以包括：对象的成像宽度，第一转换系数也可以称为宽度转换系数。在一些实施例中，可以根据实际宽度和成像宽度之间的比值，确定第一转换系数。
106.这里，对象在第二方向上的实际参数值：可以包括：对象的实际长度，对象在第二方向上的成像参数值，可以包括：对象的成像长度，第二转换系数也可以称为长度转换系数。在一些实施例中，可以根据实际长度和成像长度之间的比值，确定第二转换系数。
107.由于第一转换系数能够实现在第一方向上的参数值的转换，第二转换系数能够实现在第二方向上的参数值的转换，分别通过不同的转换系数实现不同方向上的参数值的转换，能够使得转换后得到的参数值更加精确。
108.在得到该转换系数之后，可以根据该转换系数，将对象在待处理图像中的坐标参数，转换为实际坐标参数，并根据该实际坐标参数，确定各个对象之间的水平距离。这里的转换系数可以为第一转换系数。
109.且，还可以根据该转换系数对拍摄参数值进行转换，得到对象与图像采集点之间的实际距离，并根据各个对象与图像采集点之间的实际距离，确定各个对象之间的纵向距离。这里的转换系数可以为第二转换系数。
110.表1示出了任意两个对象(第一对象和第二对象)在待处理图像中的坐标参数、各个对象的成像尺寸(包括：成像长度和成像宽度)、待处理图像的中心坐标以及待处理图像的尺寸(包括：图像长度和图像宽度)。
111.表1参数值示意表
[0112] 坐标参数长度值/成像长度值宽度值/成像宽度值待处理图像(x，y)hw第一对象(x1，y1)h
11
w1第二对象(x2，y2)h
12
w2[0113]
图3是根据一示例性实施例示出的一种待处理图像的示意图，如图3所示，待处理
图像中包括第一对象和第二对象，第一对象的坐标参数为(x1，y1)，第二对象的坐标参数为(x2，y2)，待处理图像的坐标参数为(x，y)，则可以确定第一对象和第二对象之间的水平距离为：
[0114]
disw＝|x-x1|*k
11
|x-x2|*k
12
ꢀꢀꢀꢀ
(9)；
[0115]k11
＝w
01
/w1ꢀꢀꢀꢀ
(10)；
[0116]k12
＝w
02
/w2ꢀꢀꢀꢀ
(11)；
[0117]
公式(9)至(11)中，disw表示第一对象和第二对象之间的水平距离，x表示待处理图像的中心点的横坐标，x1表示第一对象的横坐标值，k
11
表示第一对象对应的第一转换系数，x2表示第二对象的横坐标值，k
12
表示第二对象对应的第一转换系数，w
01
表示第一对象的实际宽度值，w1表示第一对象的成像宽度值，w
02
表示第二对象的实际宽度值，w2表示第二对象的成像宽度值，其中，w
01
和w
02
可以相同，也可以不同。
[0118]
上述公式(9)为第一对象和第二对象位于待处理图像的中线的两侧时，第一对象与第二对象之间的水平距离的计算方式。其中，待处理图像的中线与采集该待处理图像的图像采集模组的中线对应。如图5所示，第一对象501和第二对象502分别位于中线503的两侧。
[0119]
在另一些实施例中，在第一对象和第二对象位于待处理图像的中线的一侧时，第一对象和第二对象之间的水平距离的计算公式可以表示为：disw＝||x-x1|*k
11-|x-x2|*k
12
|。如图6所示，第一对象501和第二对象502分别位于中线503的一侧。
[0120]
第一对象和第二对象之间的纵向距离可以表示为：
[0121]
dish＝|v*k
21-v*k
22
|
ꢀꢀꢀꢀ
(12)；
[0122]k21
＝h
01
/h
11
ꢀꢀꢀꢀ
(13)；
[0123]k22
＝h
02
/h
12
ꢀꢀꢀꢀ
(14)；
[0124]
公式(12)至(14)中，dish表示第一对象和第二对象之间的纵向距离，v表示拍摄参数值，k
21
表示第一对象对应的第二转换系数，v*k
21
表示第一对象与图像采集点之间的实际距离，k
22
表示第二对象对应的第二转换系数，v*k
22
表示第二对象与图像采集点之间的实际距离，h
01
表示第一对象的实际长度值，h
11
表示第一对象的成像长度值，h
02
表示第二对象的实际长度值，h
12
表示第二对象的成像长度值。
[0125]
第一对象和第二对象之间的实际相对距离可以表示为：
[0126][0127]
公式(15)中，dis表示第一对象和第二对象之间的实际相对距离，disw表示第一对象和第二对象之间的水平距离，dish表示第一对象和第二对象之间的纵向距离。如图7所示，可以利用勾股定理，得到第一对象501和第二对象502之间的实际相对距离dis。
[0128]
本公开实施例中，在获取到待处理图像之后，可以对待处理图像进行图像分析，确定待处理图像中各个对象的成像参数值，并根据各个对象的成像参数值确定待处理图像的拍摄参数值，且根据各个对象的成像参数值和实际参数值确定对象的转换系数，由于转换系数能够用于进行实际获取的参数值和成像得到的参数值之间的转换，通过转换系数，可以对各个对象在待处理图像中的坐标参数和拍摄参数值进行转换，进而得到各个对象之间的实际相对距离。
[0129]
相较于现有技术中需要多个摄像机或者依赖于摄像机的性能参数进行距离检测的方案，本公开实施例通过俯视的角度，对待处理图像进行图像分析就能够确定各个对象之间的实际相对距离，不仅能够减少硬件成本，还能够降低距离检测的复杂程度。
[0130]
图8是根据一示例性实施例示出的一种更新关系网的流程示意图，如图5所示，在一些实施例中，本公开实施例中的距离检测方法包括：
[0131]
步骤101，获取待处理图像；其中，所述待处理图像包括至少两个待检测的对象；
[0132]
步骤102，确定各个所述对象的成像参数值；
[0133]
步骤103，根据各个所述对象的成像参数值，确定所述待处理图像的拍摄参数值；
[0134]
步骤104，根据所述对象的成像参数值和所述对象的实际参数值，确定所述对象的转换系数；
[0135]
步骤105，基于各个所述对象的转换系数、各个所述对象在所述待处理图像中的坐标参数以及所述拍摄参数值，确定各个所述对象之间的实际相对距离；
[0136]
步骤81，将所述实际相对距离小于或者等于预设距离阈值的对象，确定为目标对象；
[0137]
步骤82，在预设关系网中存在与所述目标对象相关联的预设对象的情况下，建立所述目标对象与所述预设对象之间的关联关系；
[0138]
步骤83，根据所述关联关系，更新所述预设关系网。
[0139]
这里，在通过上述任一实施例中的技术方案确定出各个对象之间的实际相对距离之后，可以确定各个对象之间的实际相对距离是否小于或者等于预设距离阈值，并将实际相对距离小于或者等于预设距离阈值的对象确定为目标对象。其中，预设距离阈值可以根据需要设置，例如，可以根据应用场景的不同，设置不同的预设距离阈值。以对象是人脸为例，则可以将预设距离阈值设置为1米，以对象是车辆为例，则可以将预设距离阈值设置为2米等。
[0140]
还是以第一对象和第二对象为例，如果第一对象和第二对象之间的实际相对距离小于预设距离阈值，则可以将第一对象和第二对象均确定为目标对象。
[0141]
在确定出目标对象之后，可以确定预设关系网中是否存在与目标对象相关联的预设对象，如果存在与该目标对象相关联的预设对象，则建立目标对象与该预设对象之间的关联关系，并根据该关联关系更新预设关系网。这里，该预设关系网可以以知识图谱的形式表示，当然，也可以以映射关系表的形式表示，可以根据需要设置，不作具体限定。其中，与该目标对象相关联的预设对象可以包括：与目标对象具有相同属性或者相似属性的对象。
[0142]
在一些实施例中，确定预设关系网中是否存在与目标对象相关联的预设对象，包括：将目标对象的属性信息与预设关系网中各个预设对象的属性进行比对，根据比对结果确定预设关系网中是否存在与该目标对象相关联的预设对象。
[0143]
例如，可以确定目标对象的属性信息与各个预设对象的属性信息之间的相似度，并将与目标对象的属性信息之间的相似度大于预设相似度阈值的预设对象确定为与目标对象相关联的预设对象。也就是说，若在预设关系网中存在属性信息与目标对象的属性信息之间的相似度大于预设相似度阈值的预设对象，则确定预设关系网中存在与该目标对象相关联的预设对象。
[0144]
其中，属性信息可以包括：身份信息、地点信息、行动轨迹信息、型号信息、性能信
息等，在实现的过程中，可以根据场景和对象的类型来灵活设置，在此不作具体限定。
[0145]
以目标对象是人物，目标对象的属性信息是地点信息为例，与目标对象相关联的预设对象可以为与目标对象出现在同一空间的对象，如，与目标对象出现在同一校园、同一医院或者同一社区的对象。再例如，可以为与目标对象在身份上具有关联关系的对象，如，目标对象的家人等。在一些实施例中，本公开所涉及的距离检测方法可以应用于不同类型的场景，例如，可以应用于疫情防控场景。
[0146]
以上述距离检测方法应用于疫情防控的场景为例，在检测到有多个人物进入到图像采集模组的取景范围内的情况下，可以将该多个人物对应的多张人脸确定为待检测的对象，这时，可以基于上述任一实施例中的距离检测方法确定各张人脸之间的实际相对距离。在得到各张人脸之间的实际相对距离之后，可以确定各个实际相对距离是否小于或者等于预设距离阈值。在检测到任意两张人脸之间的实际相对距离小于或者等于预设距离阈值的情况下，可以获取各张人脸所对应的人物在预设时间段内的活动轨迹，并将所获取的活动轨迹与预设关系网中各个人物的预设活动轨迹进行比对，在任意一张人脸所对应的人物的活动轨迹与预设活动轨迹出现交叉或者重叠的情况下，则确定该人物与该预设活动轨迹所对应的任务之间存在关联关系。
[0147]
在另一些实施例中，在确定出多个具有关联关系的人物之后，可以对该多个人物的活动轨迹进行分析处理，并基于分析结果确定出传染源。如，可以获取各个具有关联关系的人物的活动轨迹的所有交叉点，在确定出所有的交叉点之后，可以确定该交叉点出现的次数，并对各个交叉点出现的次数进行排序，进而根据排序结果确定传染源。如，可以将交叉点出现次数最多的地方确定为传染源。
[0148]
以多个具有关联关系的人物包括：人物1、人物2、人物3以及人物4为例，如果人物1和人物2的活动轨迹的交叉点为地点1，人物2和人物3的活动轨迹的交叉点为地点2，人物3和人物4的活动轨迹的交叉点为地点1，则可以确定地点1为传染源。
[0149]
这里，可以通过获取各个人物的活动轨迹，进而基于各个活动轨迹的交叉情况，来确定传染源。在其他的实施例中，也可以通过确定各个活动轨迹的重叠情况，来确定传染源。或者，基于各个人物之间的亲属关系，来确定传染源。亦或者，综合考虑各个人物的活动轨迹和亲属关系，共同来确定传染源，在此不做具体限定。其中，活动轨迹和亲属关系均属于各个人物的属性信息。
[0150]
在另一些实施例中，在确定预设关系网中存在与目标对象相关联的预设对象的情况下，可以通过该预设对象在该预设关系网中进行逐级查找，并将所有与该预设对象具有关联关系的所有对象，均确定为与该目标对象具有关联关系的对象，进而能够得到具有关联关系的多个对象。
[0151]
本公开实施例中，在得到各个对象的实际相对距离之后，可以将各个实际相对距离与预设距离阈值进行比较，并对将实际相对距离小于或者等于预设距离阈值的对象，确定为目标对象，进而在预设关系网中确定与目标对象相关联的预设对象，建立目标对象与预设对象之间的关联关系，并根据关联关系，更新预设关系网。
[0152]
这样，通过具有关联关系的目标对象构建关系网，并实时基于各个目标对象之间的关联关系对关系网进行更新，在有特殊情况发生的时候(如，疫情发生时)，能够快速调出各个目标对象的关系网，而不需要工作人员线下统筹管理，不仅能够减少线下人力资源的
消耗，还减少各个对象之间相互接触的可能性。
[0153]
在一些实施例中，以对象是人脸为例，可以基于上述任一实施例得到人脸与人脸之间的实际相对距离，在得到人脸与人脸之间的实际相对距离之后，可以将各个实际相对距离与预设距离阈值进行比较，并将实际相对距离小于或者等于预设距离阈值的人脸对应的用户，确定为目标对象。
[0154]
由于在疫情管控期间，病毒会通过口鼻传播，本公开实施例中，通过确定人脸与人脸之间的实际相对距离，相较于确定人与人之间的实际相对距离，所得到的实际相对距离更加精确，进而基于该实际相对距离对各个人进行管理，能够提高疫情防控的及时性和安全性。
[0155]
在另一些实施例中，对象的设置可以根据需要调整，例如，如果对象是车辆的部分，且上述距离检测方法应用于障碍物检测的场景中，则可以将位于车辆外边缘的部分作为待检测的对象，如车辆的后视镜，车辆的保险杠等。这样，能够减少车辆碰到障碍物的可能性。
[0156]
在一些实施例中，本公开实施例中的距离检测方法还包括：
[0157]
在所述预设关系网中不存在与所述目标对象相关联的预设对象的情况下，则分别建立各个所述目标对象的初始关系网；
[0158]
其中，所述初始关系网至少包括：所述实际相对距离小于或者等于所述预设距离阈值的至少两个所述目标对象，以及至少两个所述目标对象之间的关联关系。
[0159]
在一些实施例中，确定预设关系网中是否存在与目标对象相关联的预设对象，包括：将目标对象的属性信息与预设关系网中各个预设对象的属性进行比对，根据比对结果确定预设关系网中是否存在与该目标对象相关联的预设对象。
[0160]
例如，可以确定目标对象的属性信息与各个预设对象的属性信息之间的相似度，若在预设关系网中不存在属性信息与目标对象的属性信息之间的相似度大于预设相似度阈值的预设对象，则确定预设关系网中不存在与该目标对象相关联的预设对象。
[0161]
本公开实施例中，在预设关系网中不存在与目标对象相关联的预设对象的情况下，可以分别建立各个目标对象的初始关系网，并存储该初始关系网。
[0162]
还是以实际相对距离小于预设距离阈值的对象分别是第一对象和第二对象为例，如果预设关系网中不存在与第一对象和第二对象关联的预设对象，则可以针对第一对象建立第一初始关系网，并将第二对象添加至该第一初始关系网中；并针对第二对象建立第二初始关系网，将第一对象添加至该第二初始关系网中。
[0163]
再例如，如果预设关系网中存在与第一对象关联的预设对象，但不存在与第二对象关联的预设对象，则可以根据第一对象和该预设对象之间的关联关系，以及该第一对象和第二对象之间的关联关系，更新该预设关系网，即，将第一对象和第二对象均添加至该预设关系网。同时，还建立第二对象的初始关系网(第三初始关系网)，并将第一对象添加中该第三初始关系网中。
[0164]
这样，在有与各个目标对象相关联的对象出现时，能够直接将与目标对象相关联的对象添加至该初始关系网中，能够针对各个目标对象分别建立关系网，进而提高对各个目标对象进行管理的便利性。
[0165]
在一些实施例中，本公开实施例中的距离检测方法还包括：
[0166]
获取各个所述目标对象的对象特征；
[0167]
将所述目标对象的对象特征，与预设数据库中的预设特征进行匹配，根据匹配结果确定所述目标对象的目标身份信息；
[0168]
在所述预设关系网中存在与所述目标身份信息相关联的预设身份信息的情况下，则确定所述预设身份信息对应的预设对象与所述目标对象相关联。
[0169]
这里，目标对象的对象特征可以用于唯一标识目标对象。以人物或者人脸为例，对象特征可以包括目标对象的生物特征，如，人脸特征、虹膜特征、指纹特征等。以目标对象是车辆为例，对象特征可以包括车辆的车牌号、车辆的型号等。以目标对象是景物为例，对象特征可以包括植物的品种、颜色等。以目标对象是建筑物为例，对象特征可以包括建筑物的形状、建筑物的地址等。
[0170]
在实现的过程中，可以通过图像处理模型对待处理图像进行图像分析，得到各个对象的对象特征。例如，可以通过人脸识别算法得到各个对象的对象特征等。这里，可以基于历史图像对神经网络模型进行训练得到图像处理模型。
[0171]
本公开实施例中，得到目标对象的对象特征之后，可以将目标对象的对象特征与预设数据库中的预设特征进行匹配，并根据匹配结果确定目标对象的目标身份信息。这里，将目标对象的对象特征与预设数据库中的预设特征进行匹配，并根据匹配结果确定目标对象的目标身份信息，包括：确定目标对象的对象特征与各个预设特征之间的相似度，在确定有与目标对象的对象特征之间的相似度大于预设阈值的预设特征的情况下，则将该预设特征对应的预设身份信息确定为目标身份信息。
[0172]
本公开实施例中，通过将目标对象的对象特征与预设数据库中的信息关联起来，这样，在有突发状况发生时，能够快速基于目标对象的对象特征锁定目标对象的身份，进而为后续的数据处理和管理提供便利性。
[0173]
在确定出目标对象的目标身份信息之后，可以将预设关系网中与目标身份信息相关联的预设身份信息对应的预设对象，确定为与目标对象相关联的对象。例如，在目标身份信息对应的目标对象与预设身份信息对应的预设对象存在监护关系时，则可以确定该目标对象和该预设对象相关联。本公开实施例中，通过身份信息来确定与目标对象关联的预设对象，能够实现各个对象的实名制管理，相较于通过人工的方式进行对象的身份信息的登记，更加安全智能。
[0174]
本公开实施例中，通过单目摄像机的成像结果(待处理图像)和人脸识别算法，能够确定待处理图像中各个对象之间的实际相对距离，无需额外设备辅助和摄像机参数。这样，即使只有一个摄像头就能够实现距离检测，应用场景更加广泛。
[0175]
在一些实施例中，可以通过图像识别算法，获取待处理图像(抓拍图)中的边缘位置的参考对象(第一参考对象和第二参考对象)的成像参数值，并根据各个参考对象的成像参数值，得到像距。
[0176]
然后，利用三角函数以及小孔成像原理，根据各个对象的成像尺寸，得出各个对象相对于图像采集模组(如，摄像机)的纵向距离和横向距离。
[0177]
在确定横向距离的过程中，可以确定待处理图像的中线(相当于图像采集模组的取景界面的中线)，从俯视的视角来看，通过勾股定理，可以确定各个对象与待处理图像的中线的垂直距离，并根据各个对象与待处理图像的中线的垂直距离，确定各个对象之间的
横向距离。
[0178]
还是以第一对象和第二对象为例，如果第一对象和第二对象位于待处理图像的中线的两侧，则第一对象和第二对象之间的横向距离可以为：第一对象与中线的垂直距离和第二对象与中线的垂直距离之和。如果第一对象和第二对象位于中线的两侧，则第一对象和第二对象之间的横向距离可以为：第一对象与中线的垂直距离和第二对象与中线的垂直距离之差。
[0179]
在确定纵向距离的过程中，利用的是小孔成像和相似三角形的原理，从侧面的视角来看，每个对象都通过小孔成像映射在图像采集模组(摄像机)上，利用相似三角形函数，根据拍摄参数值、各个对象的成像参数值以及各个对象的实际参数值，能够确定各个对象之间的纵向距离。
[0180]
由于纵向距离是指对象朝向图像采集模组的第一方向上的相对距离，横向距离，是指对象朝向与第一方向垂直的第二方向上的相对距离。在得到横向距离和纵向距离之后，可以利用勾股定理，根据横向距离和纵向距离，得到任意两个对象之间的实际相对距离。
[0181]
在得到各个对象的实际相对距离之后，可以将实际相对距离小于或者等于预设距离阈值的对象关联为密切接触关系，将实际相对距离小于或者等于预设距离阈值的对象确定为目标对象，并将各个对象与人口库中的信息相关联，形成预设关系网(密切接触关系网)。
[0182]
本公开实施例中，利用图像识别算法，能够得到待处理图像(单目摄像机的抓拍结果)中图像信息之外的信息(拍摄参数值)，基于软件和算法就能够实现距离检测，得到各个对象之间的实际相对距离，并将实际相对距离小于或者等于预设距离阈值的对象组成关系网，能够实现实时更新和查找密切接触者。
[0183]
图9为本公开实施例的距离检测装置的组成结构示意图，如图9所示，该距离检测装置900包括：
[0184]
第一获取模块901，配置为获取待处理图像；其中，所述待处理图像包括至少两个待检测的对象；
[0185]
第一确定模块902，配置为确定各个所述对象的成像参数值；
[0186]
第二确定模块903，配置为根据各个所述对象的成像参数值，确定所述待处理图像的拍摄参数值；
[0187]
第三确定模块904，配置为根据所述对象的成像参数值和所述对象的实际参数值，确定所述对象的转换系数；
[0188]
第四确定模块905，配置为基于各个所述对象的转换系数、各个所述对象在所述待处理图像中的坐标参数以及所述拍摄参数值，确定各个所述对象之间的实际相对距离。
[0189]
在一些实施例中，所述第二确定模块903，配置为：根据各个所述对象的成像参数值，从至少两个所述对象中确定至少一个满足设定参考条件的参考对象；根据各个所述参考对象的成像参数值、各个所述参考对象的实际参数值以及针对所述参考对象设置的参考物距，确定所述拍摄参数值。
[0190]
在一些实施例中，所述对象的成像参数值，包括：所述对象的成像尺寸；所述第二确定模块903，配置为：对各个所述对象的成像尺寸进行比对处理；根据比对结果从至少两
个所述对象中，确定两个参考对象；其中，所述设定参考条件，包括：所述对象中，除所述两个参考对象之外的其它所述对象的成像尺寸，位于所述两个参考对象的成像尺寸之间。
[0191]
在一些实施例中，所述参考对象包括两个以上；所述第四确定模块904，配置为：根据每一所述参考对象的实际尺寸和成像尺寸，确定对应参考对象的转换系数；根据各所述参考对象的转换系数以及所述参考物距，确定所述拍摄参数值；其中，所述参考物距与各所述参考对象的物距相关。
[0192]
在一些实施例中，所述第四确定模块905，配置为：根据所述对象的转换系数，将所述对象在所述待处理图像中的坐标参数，转换为实际坐标参数；根据各个所述对象的实际坐标参数，确定各个所述对象之间的水平距离；其中，所述水平距离表征各个所述对象在世界坐标系中第一方向上的距离；根据所述对象的转换系数对所述拍摄参数值进行转换，得到所述对象与图像采集点之间的实际距离；根据各个所述对象与所述图像采集点之间的实际距离，确定各个所述对象之间的纵向距离；所述纵向距离表征各个所述对象在世界坐标系中第二方向上的距离，所述第一方向和所述第二方向垂直；根据所述水平距离和所述纵向距离，确定所述实际相对距离。
[0193]
在一些实施例中，所述第四确定模块905，配置为：根据所述对象在所述第一方向上的实际参数值和在所述第一方向上的成像参数值，确定所述对象的第一转换系数；根据所述对象在所述第二方向上的实际参数值和在第所述方向上的成像参数值，确定所述对象的第二转换系数；其中，所述第一转换系数用于对所述第一方向上的参数值进行转换，所述第二转换系数用于对所述第二方向上的参数值进行转换。
[0194]
在一些实施例中，所述装置900还包括：第五确定模块，配置为将所述相对距离小于或者等于预设距离阈值的对象，确定为目标对象；第一构建模块，配置为在预设关系网中存在与所述目标对象相关联的预设对象的情况下，建立所述目标对象与所述预设对象之间的关联关系；更新模块，配置为根据所述关联关系，更新所述预设关系网。
[0195]
在一些实施例中，所述装置900还包括：第二构建模块，配置为在所述预设关系网中不存在与所述目标对象相关联的预设对象的情况下，则分别建立各个所述目标对象的初始关系网；其中，所述初始关系网至少包括：所述相对距离小于或者等于所述预设距离阈值的至少两个所述目标对象，以及至少两个所述目标对象之间的关联关系。
[0196]
在一些实施例中，所述装置900还包括：第二获取模块，配置为获取各个所述目标对象的对象特征；第六确定模块，配置为将所述目标对象的对象特征，与预设数据库中的预设特征进行匹配，根据匹配结果确定所述目标对象的目标身份信息；第七确定模块，配置为在所述预设关系网中存在与所述目标身份信息相关联的预设身份信息的情况下，则确定所述预设身份信息对应的预设对象与所述目标对象相关联。
[0197]
需要说明的是，以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本技术装置实施例中未披露的技术细节，请参照本技术方法实施例的描述而理解。
[0198]
需要说明的是，本技术实施例中，如果以软件功能模块的形式实现上述的距离检测方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以
使得一台计算机设备(可以是终端、服务器等)执行本技术各个实施例所述方法的全部或部分。而前述的存储介质包括：u盘、运动硬盘、只读存储器(read only memory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本技术实施例不限制于任何特定的硬件和软件结合。
[0199]
对应地，本技术实施例再提供一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，该计算机可执行指令被执行后，能够实现本技术实施例提供的距离检测方法中的步骤。
[0200]
相应的，本技术实施例再提供一种计算机存储介质，所述计算机存储介质上存储有计算机可执行指令，所述该计算机可执行指令被处理器执行时实现上述实施例提供的距离检测方法的步骤。
[0201]
相应的，本技术实施例提供一种电子设备，图10为本技术实施例电子设备的组成结构示意图，如图10所示，所述电子设备1000包括：一个处理器1001、至少一个通信总线、通信接口1002、至少一个外部通信接口和存储器1003。其中，通信接口1002配置为实现这些组件之间的连接通信。其中，通信接口1002可以包括显示屏，外部通信接口可以包括标准的有线接口和无线接口。其中所述处理器1001，配置为执行存储器中图像处理程序，以实现上述实施例提供的距离检测方法的步骤。
[0202]
以上距离检测装置、计算机设备和存储介质实施例的描述，与上述方法实施例的描述是类似的，具有同相应方法实施例相似的技术描述和有益效果，限于篇幅，可案件上述方法实施例的记载，故在此不再赘述。对于本技术距离检测装置、计算机设备和存储介质实施例中未披露的技术细节，请参照本技术方法实施例的描述而理解。
[0203]
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本技术的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本技术的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列特征的过程、方法、物品或者装置不仅包括那些特征，而且还包括没有明确列出的其他特征，或者是还包括为这种过程、方法、物品或者装置所固有的特征。在没有更多限制的情况下，由语句“包括一个
……”
限定的特征，并不排除在包括该特征的过程、方法、物品或者装置中还存在另外的相同特征。
[0204]
在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0205]
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显
示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。另外，在本技术各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(read only memory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。
[0206]
或者，本技术上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台电子设备(可以是个人计算机、服务器、或者网络设备等)执行本技术各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、rom、磁碟或者光盘等各种可以存储程序代码的介质。以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。
[0207]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
[0208]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。